04 Control de Procesos

4.
Control de Procesos
• Causas comunes y especiales de variación
• Cartas de control para variables
• Cartas de control para atributos
• Interpretación de las cartas de control y causas de la
inestabilidad.
• Calidad de las mediciones (estudio R&R)
Objetivo de la Unidad 4
• Al finalizar esta unidad usted debería ser capaz de controlar el
desempeño de un proceso de manufactura o servicio
• ¿Qué cree usted que es el control de procesos?
• ¿Por qué sería importante el controlar el desempeño de un proceso?

PENSAMIENTO ESTADISTICO
• La estadística es la ciencia que se ocupa de “la recopilación,
organización, análisis, interpretación y presentación de datos”. Los
procesos de medición proporcionan datos.
• El pensamiento estadístico es una filosofía de aprendizaje y acción
basada en estos principios:
1. Todo el trabajo ocurre en un sistema de procesos interconectados.
2. La variación existe en todos los procesos.
3. El entendimiento y la reducción de la variación son claves para el éxito.
FUENTES DE VARIACIÓN EN UN PROCESO DE PRODUCCIÓN
Causa Causa
común especial
Variación
VARIACION
• CAUSAS COMUNES
• Factores presentes de forma natural en un proceso y son el resultado del
diseño del producto y del sistema de producción, representando el 80 a 95
por ciento de la variación observada.
• Sólo se puede reducir esta variación rediseñando el producto o

proporcionando mejor tecnología o entrenamiento en el proceso de
producción.
Variación – Causas comunes
• Caracterizada por:
• Fenómeno constantemente activo al interior del sistema;
• Variación predecible probabilísticamente;
• Variación irregular dentro de una base de experiencia histórica; y
• Carencia de significancia de valores individuales altos o bajos.
Los resultados de una ruleta perfectamente
balanceada son buenos ejemplos de una
variación de causa común. La variación de
causa común es el ruido dentro del sistema.
Causa
probabl
e
Causa
común
Patrón
natural
• Ejemplos:
• Procedimientos inapropiados
• Pobre diseño
• Pobre mantenimiento de máquinas
• Carencia de procedimientos estándares de operación claramente
definidos
• Pobres condiciones de trabajo, por ejemplo, iluminación, ruido, polvo,
temperatura, ventilación
• Materia prima subestándar
• Aseguramiento del error
• Error en el control de calidad
• Vibración en procesos industriales
• Temperatura y humedad ambiental
• Desgaste y roturas normales
• Variabilidad en los ajustes
• Tiempo de respuesta de los computadores
Variación – Causas especiales
• También conocido como causas asignables de la variación,
corresponde a la variación restante del proceso de producción.
• Surgen de fuentes externas al proceso.
• Aparecen de manera esporádica e interrumpen el patrón aleatorio
de las causas comunes.
• Suelen detectarse con facilidad utilizando métodos estadísticos y en
general resulta económica su corrección
• Ejemplos de factores comunes que originan causas especiales:
• Mal lote de material de un proveedor
• Operador sustituto mal entrenado
• Herramienta rota o desgastada
• Instrumentos de medición mal calibrados
VARIACION
• CAUSAS ESPECIALES
• También conocido como causas asignables de la variación, corresponde a la
variación restante del proceso de producción.
• Surgen de fuentes externas al proceso.
• Aparecen de manera esporádica e interrumpen el patrón aleatorio de las
causas comunes.
• Suelen detectarse con facilidad utilizando métodos estadísticos y en general
resulta económica su corrección
• Ejemplos de factores comunes que originan causas especiales:
• Mal lote de material de un proveedor
• Operador sustituto mal entrenado
• Herramienta rota o desgastada
• Instrumentos de medición mal calibrados
• Está caracterizada por:
• Fenómeno nuevo, sin anticipar, emergente o previamente
ignorado dentro del sistema;
• Variación inherentemente impredecible, incluso
probabilísticamente;
• Variación fuera de la base de experiencia histórica; y
• Evidencia de algún cambio inherente en el sistema o de nuestro
conocimiento de él.
La variación de causa especial siempre llega como

sorpresa. Es la señal desde el interior del sistema.
Causa
asignable
Causa
especial
Patrón no
natural
• Ejemplos:
• Pobre ajuste del equipo
• Operador se queda dormido
• Controladores defectuosos
• Malfuncionamiento de las máquinas
• Malfuncionamiento de los computadores
• Lote de materia prima de mala calidad
• Variaciones de energía
• Alta demanda de cuidados médicos por los ancianos
• Tráfico anormal (fraude de clicks) en los avisos de internet
• Tiempo de duración de las pruebas de laboratorio
extremadamente grandes debido al cambio a un nuevo sistema
de computadores
• Ausencia del operador
•El proceso
CAUSAS
quedará fuera
COMUNES
de control
•El proceso está

CAUSAS
en control
ESPECIALES
estadístico
Variación
• Dos errores comunes:
• Tratar como causa especial cualquier falla, queja, error,
descompostura, accidente o escasez cuando en realidad se debe a
caudas comunes
• Atribuir a las causas comunes cualquier falla, queja, error,
descompostura, accidente o escasez cuando en realidad se debe a
una causa especial
• Sistema estable
• Sistema gobernado sólo por causas comunes.
• Es esencial entender un sistema estable y las diferencias entre las
causas especiales y comunes de la variación para administrar
cualquier sistema.
• Problemas ocasionados por la variación:
• Aumenta la imprevisibilidad
• Reduce el uso de la capacidad
• Contribuye a un efecto “látigo” (cuando ocurren cambios menores
en la demanda, la variación en la producción y niveles de
inventario se amplifica cada vez más hacia los productos en los
centros de distribución, fábricas y proveedores, dando como
resultado costos innecesarios y dificultades al manejar el flujo de
material)
• Dificulta encontrar las causas de origen
• Dificulta la detección oportuna de los problemas potenciales
Cartas de Control y la Distribución Normal
Se usa la Distribución Normal para aproximar la
distancia de las proporciones defectuosas
UCL
+3s
Media
-3s
LCL
Un proceso está en control si:
• No hay puntos que fuera de los límites de control.
• La mayoría de los puntos está en la media del proceso.
• Un número igual de puntos está por encima & debajo

de la línea del centro.
• Puntos aparecen distribuidos al azar.

Construcción de una Carta de Control
• Decidir qué medir o contar.
• Recolectar datos de la muestra.
• Graficar los datos en la carta de control.
• Calcular y dibujar los límites de control en la carta de control.
• Determinar si los datos están en control.
• Si hay variación no aleatoria presente, descartar los datos
(arreglar el problema), y recalcular los límites de control.
• Se usa benchmark.
Cartas de Control
• Un gráfico que establece los  Tipos de cartas
límites de control del proceso. Atributos
• Límites de Control  p-chart
Bandas superiores e inferiores de la  c-chart

carta de control. Variables
 alcance (R-chart)
 promedio (x bar – chart)

Tipos de Datos
• Datos de Atributos:
• Características de productos que pueden ser medidas
con valores discretos (color, superficie, limpieza,
gusto)
• Bueno/Malo; Si/No. (cualitativa)
• Datos Variables:
• Características de productos que pueden ser medidas
como variables continuas.
• Longitud, Tamaño, Peso, Altura, Tiempo,
Velocidad.(Cuantitativa)
Ventajas significativas Desventajas significativas
Cartas por Conducen a un Proporcionan No se entienden a
variables mejor una utilización menos que se de
procedimiento de máxima de la capacitación,
control información puede causar
disponible de confusión entre
datos los límites de
especificación y
los límites de
tolerancia
Cartas por Son Los datos están a Son Más No proporciona No reconoce
atributos potencialmente menudo frecuentemente económicas información distintos
aplicables a disponibles. Son usados en los detallada del grados de
cualquier proceso rápidos y simples informes de control de defectos en
de obtener. Son Gerencia características las unidades
fáciles de individuales de producto
interpretar
Cartas de Control para Atributos
• Cartas p
Porcentajes de ítems defectuosos en una muestra;
un ítem es bueno/malo.
• Cartas c
Usa el número de ítems defectuosos de una muestra.
(número de manchas en una tapiz)
Cartas P
 
Basadas en la distribución normal
p 1 p
sp 
UCL  p  zs p n
LCL  p  zs p Z = número de desviaciones
estándar del promedio del
total _ defectuosos proceso
p P = un estimado del promedio
n º observaciones de la muestra
s p= desviación estándar de la
muestra
Tamaño de la Muestra
• El tamaño debe ser adecuado para permitir la
cuenta de los atributos
• La muestra debe tener el tamaño suficiente para
esperar que el atributo se cuente dos veces en
cada muestra. (1%, 200)
Cálculos en P-Chart
Ejemplo 1: Una compañía de jeans quiere establecer un

carta p de control para monitorear el proceso de
producción y mantener su alta calidad. La compañía cree
que aproximadamente 99,74% de la variabilidad del
proceso de producción es aleatoria y por lo tanto debería
estar dentro de los límites de control mientras que el
0,26% de la variabilidad del proceso es no aleatoria y
sugiere que el proceso esta fuera de control.
Nº de Proporción
Ejemplo 1: Muestra
defectuosos Defectuosa
1 6
2 0
3 4
4 10
5 6
6 4
7 12
8 10
9 8
10 10
11 12
12 10
13 14
14 8
15 6
16 16
17 12
18 14
19 20
20 18
Total 200
Nº de Proporción
Ejemplo 1: Muestra
defectuosos Defectuosa n = 100
1 6 0,06
2 0 0 z=3
3 4 0,04
4 10 0,1 p = 0.10
5 6 0,06
0.1(1  0.1)
sp 
6 4 0,04
7 12 0,12
8 10 0,1
100
9 8 0,08
10 10 0,1
11 12 0,12
UCL = 0.190
12 10 0,1 LCL = 0.010
13 14 0,14
14 8 0,08
15 6 0,06
16 16 0,16
17 12 0,12
18 14 0,14
19 20 0,2
20 18 0,18
Total 200 0,1
Control Estadístico de Proceso
P-Chart
0.25
Proporción Defectuosa 0.20

0.19
0.15
0.10 0.1
0.05
0.01
0.00
0 5 10 Muestra 15 20 25
C-Charts
C es una variable aleatoria de Poisson
Promedio de número de defectos (ocurrencias) por ítem (en
un intervalo) (auto)
UCL  c  zs c
LCL  c  zs c
sc  c
• Se ocupa cuando no es posible calcular una
proporción de defectos y el número de defectos
debe ser usado
Ejemplo 2: El hotel Ritz tiene 240 habitaciones. El
departamento de limpieza es el responsable de mantener el
hotel limpio. Cada trabajador del área de limpieza esta a cargo
de 20 piezas. Cualquier defecto será reportado al área de
mantenimiento del hotel. Cada pieza es todos los días revisada
por los inspectores. Sin embargo, el jefe del hotel
aleatoriamente revisa las piezas, chequeando si las luces están
buenas, si hay control remoto, si la alarma funciona, etc. Una
inspección incluye 12 habitaciones .
Cálculos en C-Charts
Ejemplo 2: Nº de
Muestra
defectuosos
1 12
2 8
c = 190/15 = 12.67
3 16 UCL = 23.32
4 14 LCL = 1.99
5 10
6 11
7 9
8 14
9 13
10 15
11 12
12 10
13 14
14 17
15 15
Total 190
Ejemplo c-Chart
C-Chart
26.79
23.34
Nº de Defectos
21.79
16.79
11.79 12.67
6.79
1.79 1.99
0 5 10 15 20
Muestra
Cartas de Control de Variables
 Cartas de Media (X-Chart).
Medida de tendencia central de una muestra.
 Carta de Rango (R-Chart).
Medida de la dispersión de una muestra.
Cada carta mide el proceso de manera distinta. Tanto el

promedio como la variabilidad deben estar en control para
que el proceso esté en control.
X-bar Chart
• Tamaño de la muestra:
Tamaño pequeño
• Lapso de tiempo
• Más grande la muestra más costoso.
• 4 a 5 unidades
• Para variaciones más leves tamaños más grandes

X-bar Chart
• Número de muestras:
Aproximadamente 25 muestras
• Frecuencias de las muestras

- Relación costo de tomar la muestra (Junto con el costo
de la unidad si está se destruye como parte de la prueba)
y el beneficio por ajustar el sistema
- Se empieza con muestreos frecuentes y disminuirlos a

medida que se crea la confianza del proceso.
X-bar Chart
x1 + x2 + ... xk
=
x= k
UCL  x  zs x
sx sp / n
LCL  x  zs x
Donde
= = Promedios de las muestras
x
s = Desviación de la distribución del proceso
s / n = Desviación estándar del promedio de la muestra
Ejemplo 3: Una empresa de lavadoras quiere controlar la
producción de los discos de éstas. Para esto, los empleados han
tomado 10 muestras (durante 10 días) del diámetro de cinco
discos de un lote de producción. Los datos observados son los
siguientes:
x-bar Chart Ejemplo
OBSERVACIONES (SLIP- RING DIAMETER, CM)
MUESTRAS k 1 2 3 4 5 x R
1 5.02 5.01 4.94 4.99 4.96 4.98 0.08
2 5.01 5.03 5.07 4.95 4.96 5.00 0.12
3 4.99 5.00 4.93 4.92 4.99 4.97 0.08
4 5.03 4.91 5.01 4.98 4.89 4.96 0.14
5 4.95 4.92 5.03 5.05 5.01 4.99 0.13
6 4.97 5.06 5.06 4.96 5.03 5.01 0.10
7 5.05 5.01 5.10 4.96 4.99 5.02 0.14
8 5.09 5.10 5.00 4.99 5.08 5.05 0.11
9 5.14 5.10 4.99 5.08 5.09 5.08 0.15
10 5.01 4.98 5.08 5.07 4.99 5.03 0.10
50.09 1.15
x- bar Chart Ejemplo (cont.)
= x 50.09
x= = = 5.01 cm
k 10
UCL = =x + zσx= 5.01 + 3(0.08)/√10 = 5.09
LCL = x= + zσx = 5.01 - 3(0.08)/√10 = 4.93

x-bar Chart Ejemplo

1 5.02 5.01 4.94 4.99 4.96 4.98 0.08
2 5.01 5.03 5.07 4.95 4.96 5.00 0.12
3 4.99 5.00 4.93 4.92 4.99 4.97 0.08
4 5.03 4.91 5.01 4.98 4.89 4.96 0.14
5 4.95 4.92 5.03 5.05 5.01 4.99 0.13
6 4.97 5.06 5.06 4.96 5.03 5.01 0.10
7 5.05 5.01 5.10 4.96 4.99 5.02 0.14
8 5.09 5.10 5.00 4.99 5.08 5.05 0.11
9 5.14 5.10 4.99 5.08 5.09 5.08 0.15
10 5.01 4.98 5.08 5.07 4.99 5.03 0.10
50.09 1.15
Example 15.4
X- bar Chart Ejemplo (cont.)
= x 50.09
x= = = 5.01 cm
k 10
UCL = x= + A2R = 5.01 + (0.58)(0.115) = 5.08
LCL = x= - A2R = 5.01 - (0.58)(0.115) = 4.94
Rescatar Factor de valor A2

Factores de la Carta de Control 3σ
s
Tamaño muestra. X-chart R-chart
n A2 D3 D4
2 1.88 0 3.27
3 1.02 0 2.57
4 0.73 0 2.28
5 0.58 0 2.11
6 0.48 0 2.00
7 0.42 0.08 1.92
8 0.37 0.14 1.86
5.10 –
5.08 –
UCL = 5.08
5.06 –
5.04 –
X- bar Chart
Promedio
5.02 –
Ejemplo x= = 5.01
5.00 –
4.98 –
4.96 –
4.94 – LCL = 4.94
4.92 –
| | | | | | | | | |
1 2 3 4 5 6 7 8 9 10
Número de muestra
R- Chart
UCL = D4R LCL = D3R
R
R= k
donde
R = Rango de cada muestra
k = Número de muestras
x-bar Chart Ejemplo

1 5.02 5.01 4.94 4.99 4.96 4.98 0.08
2 5.01 5.03 5.07 4.95 4.96 5.00 0.12
3 4.99 5.00 4.93 4.92 4.99 4.97 0.08
4 5.03 4.91 5.01 4.98 4.89 4.96 0.14
5 4.95 4.92 5.03 5.05 5.01 4.99 0.13
6 4.97 5.06 5.06 4.96 5.03 5.01 0.10
7 5.05 5.01 5.10 4.96 4.99 5.02 0.14
8 5.09 5.10 5.00 4.99 5.08 5.05 0.11
9 5.14 5.10 4.99 5.08 5.09 5.08 0.15
10 5.01 4.98 5.08 5.07 4.99 5.03 0.10
50.09 1.15
R-Chart Ejemplo
R 1.15 UCL = D4R = 2.11(0.115) = 0.243

R= = = 0.115
k 10 LCL = D3R = 0(0.115) = 0
Rescatar valores de factor D3 y D4

R – chart Ejemplo
0.28 –
0.24 –
UCL = 0.243
Rango 0.20 –
0.16 – R = 0.115
0.12 –
0.08 –
0.04 – LCL = 0
0– | | | | | | | | | |
1 2 3 4 5 6 7 8 9 10
Número de muestras
Usar X y R chart juntos
• Los promedios de procesos y la variabilidad de los procesos
deben estar en control
• Es posible para algunas muestras tengan rangos cercanos, pero

sus promedios están fuera de los límites de control
• Es posible para algunas muestras que los promedios estén en

control, pero los rangos sean muy amplios.
R X
Muestra A 4.95 5.05 0.1 5
Muestra B 5.10 5.20 0.1 5.15

R X
Muestra A 4.95 5.05 0.1 5
Muestra B 4.8 5.20 0.4 5

Patrones en Cartas de Control
UCL UCL
LCL LCL
Observaciones Observaciones
consistentemente por consistentemente por
debajo de la línea sobre la línea central.
central.
¿Cómo puedo obtener los datos?
Proceso Muestreo Mediciones
123,4
125,6
124, 3
125,,3
…
1. Retirar varias
piezas juntas a
intervalos
regulares
7:00 hrs
Proceso
Muestra de 6
piezas
8:00 hrs
Proceso
Muestra de 6
piezas
2. Retirar piezas individuales a
lo largo del intervalo de
tiempo correspondiente al
subgrupo
7:10 hrs
Proceso
1ª piezas
7:20 hrs
Proceso
2ª piezas
7:30 hrs
Proceso
3ª piezas
Por cualquiera de los dos caminos, obtenemos grupos de igual número de
mediciones. Para cada subgrupo calculamos el promedio y el rango
(Diferencia entre el valor máximo y el valor mínimo)
Mediciones
𝑥Ӗ
123,4
125,6
124, 3
125,,3
…
R
Es necesario obtener un gran número de mediciones, divididas en
subgrupos.
UCL UCL
LCL LCL
consistentemente por consistentemente por
debajo de la línea sobre la línea central.
central.
UCL UCL
LCL LCL
consistentemente consistentemente
en alza. decreciendo.
En control: Fuera de control:
- Estable - Inestable
- Opera a un nivel fijo - El nivel cambia, tendencias
- Aleatorio: dispersión constante - Cambios en la dispersión
- Predecible - Impredecible
- Solo están presenten casas “comunes “de variación - Están presenten causas “especiales de variación
Zonas para Tests de Patrones
UCL 3 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ + 𝐴2 𝑅ത
Zone A 2
2 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ + 𝐴2 𝑅ത
Zone B 3
1
Zone C 1 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ + 𝐴2 𝑅ത
Promedio 3
Proceso 𝑥Ӗ
Zone C 1
1 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ − 𝐴2 𝑅ത
3
Zone B 2
2 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ − 𝐴2 𝑅ത
Zone A 3
LCL 3 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ − 𝐴2 𝑅ത
| | | | | | | | | | | | |
1 2 3 4 5 6 7 8 9 10 11 12 13
Número de muestras
1. 8 puntos consecutivos en un lado de la línea del centro.
2. 8 Puntos consecutivos con tendencia arriba o abajo
3. 2 de 3 puntos consecutivos en Zona A, pero aún en los

límites de control.
4. 4 de 5 puntos consecutivos en la Zona B.

Prueba 1: Un
Prueba 2: nueve
punto más de
puntos
3sigma con
consecutivos en el
respecto a la
mismo lado de la
línea central
línea central
Prueba 3: Seis Prueba 4:

puntos Catorce puntos
consecutivos, consecutivos,
todos en orden alternándolos
creciente o arriba y abajo
decreciente
Prueba 5: Dos de Prueba 6: Cuatro
cada tres puntos de cada cinco
más de 2 sigma puntos más de
con respecto a la 1sigma respecto a
línea central la línea central
(mismo lado) (mismo lado)
Prueba 8: Ocho
Prueba 7: puntos
Quince puntos consecutivos
consecutivos más de 1 sigma
dentro de 1 con respecto a
sigma con la línea centra
respecto a la (en cualquiera
línea central de los lados)
(en cualquiera
de los lados)
Zonas para Tests de Patrones
UCL 5.0
Zona A 8
x + 3 sigma
5.05
Zona B x + 2 sigma
5.0
Zona C x + 1 sigma 3
X 5.0
1
Zona C x - 1 sigma 4.9
8
Zona B x - 2 sigma
Zona A x - 3 sigma 4.965
4.94
LCL
Realizando un test de patrón
Muestra x Above / Below Up / Down Zone
1 4.98 B -- B
2 5.00 B U C
3 4.97 B D B
4 4.96 B D A
5 4.99 B U C
6 5.01 -- U C
7 5.02 A U C
8 5.05 A U B
9 5.08 A U A
10 5.03 A D B
Causas de inestabilidad
• Un punto fuera de los límites de
control
• Casi siempre se produce por una
causa especial. Una razón común
puede ser un error en el cálculo
de x o R o error de medición
Causas de inestabilidad
• Cambios repentinos en el promedio
del proceso
• Un número inusual de puntos
consecutivos que caen a un lado de la
línea central casi siempre es una
indicación de que el promedio del
proceso se desplazó en forma repentina
• Ejemplos: introducción de nuevos
trabajadores, materiales o equipos,
cambio de métodos de inspección, una
mayor o menor atención en la
inspección, el proceso ha mejorado o
empeorado.
Causa de inestabilidad
• Tendencia en el nivel del proceso
• Una tendencia es el resultado de alguna causas
que afecta en forma gradual las características
de calidad del producto y ocasiona que los
puntos de las gráficas de control se muevan
gradualmente hacia arriba o hacia abajo.
• Posibles causas:
• Deterioro o desajuste gradual del equipo de
producción
• Desgaste de herramientas
• Calentamiento de máquinas y cambios
• Acumulación de desperdicios
• Cambios graduales de condiciones ambientales
• Mejora en las habilidades del operario
• Ciclo recurrente
• Desplazamiento cíclico de un proceso que son
detectados cuando se dan flujos de puntos
consecutivos que tienden a crecer, y luego se
presenta un flujo similar pero de manera
descendente en ciclos
• Los ciclos son patrones cortos repetidos que
alternan altos y bajos.
• Las causas pueden ser: cambios periódicos en el
ambiente, rotación de operarios o la fatiga al
final del turno, diferentes equipos de medición
utilizados, diferencias entre los turnos de la
mañana y noche, cambios de temperatura y
humedad
• Mucha variabilidad (abrazando los límites de
control)
• Una señal de que en el proceso hay una causa
especial de mucha variación se manifiesta mediante
una alta proporción de puntos cerca de los límites de
control
• Algunas causas son:
• Sobre control o ajustes innecesarios en el proceso
• Diferencia sistemática en la calidad del material
• Control de 2 o más procesos en la misma carta con
diferentes promedios.
• Cuando en un proceso se utilizan dos lotes de material
diferente
• Cuando las partes se producen en distintas maquinas, per la
vigila el mismo grupo de inspección.
• Falta de variabilidad (abrazando la línea
central)
• Es una señal de que hay algo especial en el
proceso y se detecta cuando prácticamente
todos los puntos se concentran en la parte
central de la carta de control
• Causas comunes:
• Equivocación en el calculo
• Agrupamiento en una misma muestra
• Carta de control inapropiado para el estadístico
graficado
• Inestabilidad
• Fluctuaciones erráticas y poco
naturales en ambos lados del
cuadro durante un tiempo. A
menudo, los puntos caen fuera
de los límites de control
superior e inferior sin un patrón
consistente. Una causa
frecuente de inestabilidad es el
ajuste excesivo de una maquina
Cartas de control de lecturas individuales I-MR
(datos variables)
• A menudo esta carta se llama “I” o “Xi”
• Esta carta monitorea la tendencia de un proceso con datos variables que no pueden
ser muestreados en lotes o grupos
• Este es el caso cuando la capacidad de corto plazo se basa en subgrupos racionales
de una unidad o pieza
• Este tipo de gráfica es utilizada cuando las mediciones son muy costosas (Ej.: pruebas
destructivas) o cuando la característica a medir en cualquier punto en el tiempo es
relativamente homogénea (Ej.: el PH de una solución química)
• La línea central se basa en el promedio de los datos, y los límites de control se basan
en la desviación estándar (+/- 3 sigmas)
(datos variables)
• Terminología:
• k= número de piezas
• n=2 para calcular los rangos
• 𝑥=
ҧ promedio de los datos
• R = rango de un subgrupo de dos piezas consecutivas
ത promedio de los (n-1) rangos
• 𝑅=
(datos variables)
• 𝐿𝑆𝐶𝑋 = 𝑋ത + 𝐸2 𝑅ത
• 𝐿𝐼𝐶𝑋 = 𝑋ത − 𝐸2 𝑅ത
• 𝐿𝑆𝐶𝑅 = 𝐷4 𝑅ത
• 𝐿𝐼𝐶𝑅 = 𝐷3 𝑅ത
(datos variables) n D4 D3 E2
• Donde D4, D3, E2 son 2 3,27 0 2,66
constantes que varían 3 2,57 0 1,77
según el tamaño de
4 2,28 0 1,46
muestra usado para
agrupar los rangos 5 2,11 0 1,29
móviles como se muestra 6 2,00 0 1,18
en la tabla siguiente: 7 1,92 0,08 1,11
8 1,86 0,14 1,05
• Generalmente n = 2 9 1,82 0,18 1,01
10 1,78 0,22 0,98
Parte Longitud
Cartas de control de lecturas 1 12,02
individuales I-MR (datos variables) 2

3
11,85
11,98
• Ejemplo: La longitud de un tramo de tubo se 4 11,72
registra para cada producto. Realice la 5 11,88
gráfica de control individual. 6 12,07
7 12,03
8 12,13
9 12,16
10 12,16
11 12,16
12 12,21
13 12,19
14 11,93
15 11,89
Parte Longitud Rangos
1 12,02 0,17
• Se calcula el rango móvil de la 2 11,85 0,13
siguiente manera: diferencia 3 11,98 0,26
entre 1° y 2° lectura, 2° y 3°, y 4 11,72 0,16
así hasta n-1 5 11,88 0,19
6 12,07 0,04
7 12,03 0,10
8 12,13 0,03
9 12,16 0,00
10 12,16 0,00
11 12,16 0,05
12 12,21 0,02
13 12,19 0,26
14 11,93 0,04
15 11,89
12,03 0,1
(datos
ത
variables)
• 𝑋 = 12,03
• 𝑅ത = 0,1
• 𝐿𝑆𝐶𝑋 = 𝑋ത + 𝐸2 𝑅ത = 12,03 + 2,66 ∗ 0,1

• 𝐿𝐼𝐶𝑋 = 𝑋ത + 𝐸2 𝑅ത = 12,03 − 2,66 ∗ 0,1
• 𝐿𝑆𝐶𝑅 = 𝐷4 𝑅ത = 3,27 0,1 = 0,327

• 𝐿𝐼𝐶𝑅 = 𝐷3 𝑅ത = 0
(datos variables)
Estudio de Repetitividad y Reproducibilidad (R&R)
Capacidad para acercarse al

Exactitud objetivo
Evaluación
del Sistema
de Medición
Capacidad de realizar
Precisión mesuras similares
Evaluación Exactitud
del Sistema
de Medición Precisión
Ejemplo
Instrumento A Instrumento B
Valor real 0,635 cm 0,635 cm
Lectura del 0,630 cm 0,658 cm
instrumento
Error relativo (0,635-0,630)/0,635 0,658-0,635)/0,635

=0,8% = 3,6 %
3 mediciones 0,630; 0,625 y 0,638 0,658; 0,655 y 0,658

• Repetitividad
• Mediciones realizadas por una persona que utiliza el mismo instrumento.
• Esta medida indica cuán exacto y preciso es el equipo.
• La repetitividad es influenciada por

• el instrumento de medición
• su nivel de calibración
• condiciones ambientales (ruido, luminosidad, visión y condición física del trabajador y el

proceso utilizado para tomar las mediciones)
• Reproducibilidad
• Variación en el mismo instrumento de medición cuando lo usan distintos
individuos para medir las mismas partes
• Indica cuán robusto es el proceso de medición en cuanto al operador y las
condiciones ambientales
• La reproducibilidad es influenciada por
• la capacitación de los operadores para el uso del instrumento
• claridad de las instrucciones o procedimientos en el proceso de medición
• rangos de calibración entre operadores
• rango de mantenimiento
• salud o condición física del operador
• Es posible utilizar enfoques estadísticos para cuantificar y evaluar la variación del
equipo y del operador.
Repetitividad Reproducibilidad
Variación del Variación del

Equipo Operador
2 2 2
𝜎𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝜎𝑚𝑒𝑑𝑖𝑐𝑖ó𝑛 𝜎𝑡𝑜𝑡𝑎𝑙
3. Deje que cada operador

mida cada una de las partes
1. Calibre el instrumento de 2. Seleccione m operadores y en orden aleatorio y registre
medición n partes los resultados. Repita este
procedimiento para un total
de r pruebas
6. Calcule un “límite de 4. Calcule la medición

5. Calcule el rango para cada
control” sobre los rangos promedio para cada
parte y cada operador
individuales Rij operador
4. Calcule la σ𝑗 σ𝑘 𝑀𝑖𝑗𝑘
medición promedio 𝑥ഥ𝑖 =
para cada operador 𝑛𝑟
𝑥ҧ𝐷 = max 𝑥ഥ𝑖 − min 𝑥ഥ𝑖

𝑖 𝑖
𝑥ഥ𝑖 medición promedio para cada operador i
𝑀𝑖𝑗𝑘 k-ésima medición del operador i en la parte j
𝑥ҧ𝐷 diferencia entre el promedio más alto y el más bajo

5. Calcule el rango 𝑅𝑖𝑗 = max 𝑀𝑖𝑗𝑘 − min 𝑀𝑖𝑗𝑘
𝑘 𝑘
para cada parte y
cada operador
𝑥ഥ𝑖 medición promedio para cada operador i

𝑀𝑖𝑗𝑘 k-ésima medición del operador i en la parte j
𝑥ҧ𝐷 diferencia entre el promedio más alto y el más bajo

σ𝑗 𝑅𝑖𝑗
5. Calcule el rango 𝑅ത𝑖 =
𝑛
para cada parte y σ𝐼 𝑅ത𝑖
cada operador ധ
𝑅=
𝑚
n número de partes
M número de operadores
𝑅ത𝑖 Rango promedio por operador
𝑅𝑖𝑗 Rango para cada parte y cada operador
𝑅ധ Rango promedio general
6. Calcule un “límite
de control” sobre los
rangos individuales Límite de control = 𝐷4 𝑅ധ
Rij
𝐷4 = 𝐶𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑞𝑢𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑒 𝑑𝑒𝑙 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

VE = 𝐾1 𝑅ധ
VE: Repetitividad, o variación del equipo
VO = 𝐾2 𝑥ҧ𝐷 2 − 𝑉𝐸 2 Τ𝑛𝑟
VO: Reproducibilidad, o variación del operador
𝐾1 𝑦 𝐾2 𝐶𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛 𝑑𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎𝑠 𝑦 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟𝑒𝑠

R&R = 𝑉𝐸 2 + 𝑉𝑂 2
R&R: medición general de repetitividad y

reproducibilidad
• Menos de 10% de errores: índice aceptable
• De 10% a 30% de errores: índice aceptable con base en la importancia de
la aplicación, el costo del instrumento, el costo de la reparación, etc
• Más de 30% de errores, índice no aceptable. Es preciso realizar cualquier
esfuerzo por identificar el problema y corregirlo
3 operadores van a
medir 10
productos.
Los Limites de
especificación para
este producto son
LES = 1
LEI = 0,5
1 2 3 4 5 6 7 8 9 10
Operador 1 Operador 2 Operador 3
Intento Intento Intento
1 2 1 2 1 2
Muestra
1
2
3
4
5
6
7
8
9
10
1 2 1 2 1 2
Muestra
1 0,63 0,59 0,56 0,56 0,51 0,54
2 1 1 1,04 0,96 1,05 1,01
3 0,83 0,77 0,8 0,76 0,81 0,81
4 0,86 0,94 0,82 0,78 0,81 0,81
5 0,59 0,51 0,43 0,43 0,46 0,49
6 0,98 0,98 1 1,04 1,04 1
7 0,96 0,96 0,94 0,9 0,95 0,95
8 0,86 0,83 0,72 0,74 0,81 0,81
9 0,97 0,97 0,98 0,94 1 ,03 1,03
10 0,64 0,72 0,56 0,52 0,84 0,81
σ𝑗 σ𝑘 𝑀𝑖𝑗𝑘 𝑥ҧ𝐷 = max 𝑥ഥ𝑖 − min 𝑥ഥ𝑖
𝑥ഥ𝑖 = 𝑖 𝑖
𝑛𝑟
𝑥1 = 0,83
𝑥2 = 0,774
𝑥3 = 0,820
σ𝑗 σ𝑘 𝑀𝑖𝑗𝑘 𝑥ҧ𝐷 = max 𝑥ഥ𝑖 − min 𝑥ഥ𝑖
𝑥ഥ𝑖 = 𝑖 𝑖
𝑛𝑟
𝑥1 = 0,83 𝑥ҧ𝐷 =0,83 − 0,774 = 0,056
𝑥2 = 0,774
𝑥3 = 0,820
𝑅𝑖𝑗 = max 𝑀𝑖𝑗𝑘 − min 𝑀𝑖𝑗𝑘
𝑘 𝑘
1 2 rango 1 2 rango 1 2 rango

Muestra
1 0,63 0,59 0,04 0,56 0,56 0 0,51 0,54 0,03
2 1 1 0 1,04 0,96 0,08 1,05 1,01 0,04
3 0,83 0,77 0,06 0,8 0,76 0,04 0,81 0,81 0
4 0,86 0,94 0,08 0,82 0,78 0,04 0,81 0,81 0
5 0,59 0,51 0,08 0,43 0,43 0 0,46 0,49 0,03
6 0,98 0,98 0 1 1,04 0,04 1,04 1 0,04
7 0,96 0,96 0 0,94 0,9 0,04 0,95 0,95 0
8 0,86 0,83 0,03 0,72 0,74 0,02 0,81 0,81 0
9 0,97 0,97 0 0,98 0,94 0,04 1,03 1,03 0
10 0,64 0,72 0,08 0,56 0,52 0,04 0,84 0,81 0,03
σ𝑗 𝑅𝑖𝑗 σ𝐼 𝑅ത𝑖
𝑅ത𝑖 = ധ
𝑅=
𝑛 𝑚
σ𝑗 𝑅𝑖𝑗 σ𝐼 𝑅ത𝑖
𝑅ത𝑖 = ധ
𝑅=
𝑛 𝑚
𝑅ത1 =0,037
ധ
𝑅=0,029
𝑅ത2 =0,034
𝑅ത3 =0,017
𝐷4 = 3,297
Límite de control = 𝐷4 𝑅ധ
VE = 𝐾1 𝑅ധ
VO = 𝐾2 𝑥ҧ𝐷 2 − 𝑉𝐸 2 Τ𝑛𝑟
R&R = 𝑉𝐸 2 + 𝑉𝑂 2
Pre-control
• Técnica de calidad usada para evaluar la capacidad o aptitud de un
proceso de producción para generar unidades que se ajusten a unas
especificaciones previamente definidas.
• Fue desarrollada como alternativa a los gráficos de control X y R. A
diferencia de éstos, se trata de un método cuyo objeto es supervisar un
proceso teniendo en cuenta directamente las especificaciones del
producto.
Pre-control
• Ventajas:
• No precisa la recopilación y almacenamiento de datos ni su
posterior tratamiento. Esto representa una ventaja frente a
los gráficos de control, sobre todo en situaciones en que el
ciclo de producción es corto y no da tiempo a calcular los
límites de control o a dibujar los gráficos.
• Trabaja directamente con las especificaciones del producto,
mientras que los gráficos de control únicamente tienen en
cuenta los límites de control calculados.
• Puede ser utilizado incluso si la característica a controlar se
trata de un atributo (característica discreta) o una cualidad
visual que no puede ser medida numéricamente
Pre-control
• Desventajas
• No permite detectar cualquier desviación real del proceso,
independientemente de que se encuentre o no dentro de
especificaciones
• No existen gráficas de control, por lo tanto, las reglas y
procedimientos para reconocer patrones de fallas no pueden
ser usados.
• Dado que se requiere una cantidad muy pequeña de
muestras, es riesgoso inferir sobre la totalidad del proceso.
• No proporciona información suficiente para someter el
proceso bajo control o para reducir la variabilidad.
Pre-control
• El nombre pre-control no significa que este procedimiento deba
aplicarse antes de que el proceso dé comienzo, sino que hace
referencia al hecho de que permite detectar problemas en el
proceso, sobre todo en procesos de producción rápidos, antes
de que un gran número de unidades defectuosas sean
generadas, a diferencia de los gráficos de control.
Pre-control
• Aunque el pre-control se creó como alternativa a los gráficos de
control, en la actualidad no se considera un sustituto ya que ambos
métodos persiguen objetivos diferentes.
• El propósito del pre-control es detectar cuándo la proporción de
piezas no conformes es inaceptablemente elevada, mientas que los
gráficos de control están diseñados para revelar desviaciones del
proceso.
• El pre-control tiene como objetivo evaluar la capacidad del proceso,
mientras que los gráficos de control se ocupan de su estabilidad.
• El pre-control supone una herramienta para el control de un proceso
fácil de utilizar, no requiere muestrear una gran cantidad de datos y
está directamente relacionado con las especificaciones del producto.
Pre-control
• Recomendaciones:
• Sólo debe ser usando cuando la capacidad del proceso Cp > 1
(algunos textos sugieren Cp = 2), y cuando se han alcanzado
cero defectos en el proceso.
• Límites de Pre-control
• Existen dos límites de Pre-Control.
• Upper Pre-control Limit (UPCL) y Lower Pre-control Limit (LPCL)
• Cada uno representa ¼ de la distancia entre el límite de
especificaciones inferior (LSL) y el límite de especificaciones
superior (USL)
Pre-control
Pre-control
• Pasos:
• Al iniciar una operación de producción, cinco partes consecutivas deben
caer en la zona verde, de lo contrario, es preciso volver a evaluar la línea
de producción antes de poder iniciar la operación de producción completa
• Una vez que comienzan las operaciones regulares, se toman como
muestra dos partes; si la primera está dentro de la zona verde, la
producción continúa. Si la primera parte queda dentro de la zona amarilla,
se inspecciona la segunda parte. Si la última queda en la zona verde, la
producción puede continuar; de lo contrario, la producción se debe
detener y es preciso investigar una causa especial. Si cualquier a de las
partes cae en la zona roja, es necesario emprender una acción
Pre-control
Pre-control
• Se basa en la hipótesis de que si el proceso está operando
correctamente, la probabilidad de encontrar dos unidades fuera
de los límites de control consecutivamente es demasiado
pequeña. Por lo tanto si dos unidades son encontradas
consecutivamente fuera de los límites de control, es razón
suficiente como para indicar una falla en el proceso.
Pre-control
Pre-control
Diseño de gráficas de control
• Los diseñadores de gráficas de control deben tomar en cuenta
cuatro elementos:
• La base para el muestreo
• El tamaño de la muestra
• La frecuencia del muestro
• La ubicación de los límites de control
Muestreo de Aceptación
• Se lleva a cabo en bienes que ya existen con el fin de determinar
cuál es el porcentaje de productos que se ajustan a las
especificaciones.
-Artículos recibidos de otras compañías
-Almacenamiento
Muestreo de Aceptación
• Determina cuándo aceptar o rechazar un lote completo de

productos basado en resultados de la muestra.
• Mide la calidad como porcentaje de defectuoso.

Bases para el muestreo
• Un método de muestreo adecuado deberá tener la propiedad
de que, si están presentes causas asignables, la probabilidad de
observar diferencias entre las muestras sea alta, mientras que
la probabilidad de observar diferencias dentro de una muestra
sea baja. Las muestras que cumplen con estos criterios e llaman
subgrupos racionales.
Tamaño de la muestra
• Un tamaño pequeño de muestra es adecuado para minimizar la oportunidad de
variación dentro de la muestra debido a causas especiales. Cada muestra debe ser
representativa del estado de control en un instante determinado.
• El costo del muestreo se debe mantener bajo
• Los límites de control se basan en la suposición de una distribución normal de las
medias de las muestras. Si el proceso no es normal, esta suposición es válida para
muestras grandes.
• En la práctica, se ha descubierto que las muestras de aproximadamente 5 elementos
funcionan bien para detectar los cambios en el proceso de dos desviaciones estándar
o más. Para detectar cambios menores en la media de un proceso, es necesario
utilizar muestras mayores de 15 a 25 elementos.
Frecuencia del muestreo
• Tomar muestras grandes con frecuencia es recomendable, pero no económico.
No existe una regla establecida para la frecuencia del muestreo.
• Las muestras deben ser suficientemente cercanas para tener oportunidad de
detectar los cambios en las características del proceso lo más pronto posible y
reducir las posibilidades de producir gran cantidad de resultados no conformes.
• Sin embargo no deben ser tan cercanas que el costo del muestreo supere los
beneficios logrados.
• Esta decisión depende de la aplicación individual y el volumen de producción
Ubicación de los límites de control
• Error tipo I: cuando se llega a la conclusión incorrecta de que una causa especial
está presente, cuando en realidad no existe. Y esto da como resultado el costo de
tratar de encontrar un problema inexistente.
• Error tipo II: cuando están presenten causas especiales, pero no se señalan en la
gráfica de control porque, por casualidad, los puntos caen dentro de los límites
de control.
• Límites de control más amplios aumentan el riesgo de cometer un error tipo II.
• El enfoque tradicional de elegir 3sigma supone en forma implícita que el costo de
un error tipo I es alto en relación con el de un error tipo II. Es decir, se desea que
un error tipo I se minimice. Pero esto no siempre es así
Ubicación de los límites de control
• Se sugieren los siguientes lineamientos:
• Si el costo de investigar una operación para identificar la causa fuera de control aparente es
alto, un error tipo I se vuelve importante, y es preciso adoptar limites de control más
amplio. Por el contrario, si el costo de bajo, es necesario seleccionar limites más estrechos
• Si el costo del producto defectuoso generado es considerable, un error tipo II es serio, y es
preciso usar límites de control más estrechos.
• Si el costo de un error tipo I y tipo II son significativos, es necesario elegir limites de control
amplios y tomar en cuenta la posibilidad de reducir el riesgo de un error tipo II
aumentando el tamaño de la muestra. Además tomar muestras con mayor frecuencia.
• Si las experiencias anteriores muestran condiciones fuera de control con frecuencia, es
necesario seleccionar límites de control más estrechos

04 Control de Procesos

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

04 Control de Procesos

Încărcat de

Drepturi de autor:

Formate disponibile

4.

• ¿Por qué sería importante el controlar el desempeño de un proceso?

• Sólo se puede reducir esta variación rediseñando el producto o

La variación de causa especial siempre llega como

•El proceso está

• La mayoría de los puntos está en la media del proceso.

• Un número igual de puntos está por encima & debajo

• Puntos aparecen distribuidos al azar.

Bandas superiores e inferiores de la  c-chart

 promedio (x bar – chart)

Ejemplo 1: Una compañía de jeans quiere establecer un

Proporción Defectuosa 0.20

Cada carta mide el proceso de manera distinta. Tanto el

• Más grande la muestra más costoso.

• Para variaciones más leves tamaños más grandes

• Frecuencias de las muestras

- Se empieza con muestreos frecuentes y disminuirlos a

UCL = =x + zσx= 5.01 + 3(0.08)/√10 = 5.09

LCL = x= + zσx = 5.01 - 3(0.08)/√10 = 4.93

OBSERVACIONES (SLIP- RING DIAMETER, CM)

UCL = x= + A2R = 5.01 + (0.58)(0.115) = 5.08

LCL = x= - A2R = 5.01 - (0.58)(0.115) = 4.94

Rescatar Factor de valor A2

4.94 – LCL = 4.94

OBSERVACIONES (SLIP- RING DIAMETER, CM)

R 1.15 UCL = D4R = 2.11(0.115) = 0.243

Rescatar valores de factor D3 y D4

• Es posible para algunas muestras tengan rangos cercanos, pero

• Es posible para algunas muestras que los promedios estén en

Muestra B 5.10 5.20 0.1 5.15

Muestra B 4.8 5.20 0.4 5

Proceso Muestreo Mediciones

1. 8 puntos consecutivos en un lado de la línea del centro.

2. 8 Puntos consecutivos con tendencia arriba o abajo

3. 2 de 3 puntos consecutivos en Zona A, pero aún en los

4. 4 de 5 puntos consecutivos en la Zona B.

Prueba 3: Seis Prueba 4:

individuales I-MR (datos variables) 2

• 𝐿𝑆𝐶𝑋 = 𝑋ത + 𝐸2 𝑅ത = 12,03 + 2,66 ∗ 0,1

• 𝐿𝑆𝐶𝑅 = 𝐷4 𝑅ത = 3,27 0,1 = 0,327

Capacidad para acercarse al

Error relativo (0,635-0,630)/0,635 0,658-0,635)/0,635

3 mediciones 0,630; 0,625 y 0,638 0,658; 0,655 y 0,658

• Esta medida indica cuán exacto y preciso es el equipo.

• La repetitividad es influenciada por

• condiciones ambientales (ruido, luminosidad, visión y condición física del trabajador y el

Variación del Variación del

3. Deje que cada operador

6. Calcule un “límite de 4. Calcule la medición

𝑥ҧ𝐷 = max 𝑥ഥ𝑖 − min 𝑥ഥ𝑖

𝑥ҧ𝐷 diferencia entre el promedio más alto y el más bajo

𝑥ഥ𝑖 medición promedio para cada operador i

𝑥ҧ𝐷 diferencia entre el promedio más alto y el más bajo

𝐷4 = 𝐶𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑞𝑢𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑒 𝑑𝑒𝑙 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

𝐾1 𝑦 𝐾2 𝐶𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛 𝑑𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎𝑠 𝑦 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟𝑒𝑠

R&R: medición general de repetitividad y

1 2 rango 1 2 rango 1 2 rango

-Artículos recibidos de otras compañías

• Determina cuándo aceptar o rechazar un lote completo de

• Mide la calidad como porcentaje de defectuoso.

S-ar putea să vă placă și